[发明专利]继电器衔铁运动状态检测方法、装置、设备及介质

权利要求书

1.一种继电器衔铁运动状态检测方法，其特征在于，包括以下步骤：

获取样本数据，所述样本数据为对继电器线圈端进行多次采样，获得的线圈端数据；

获取衔铁运动状态对应的真实时间信息，根据所述样本数据和真实时间信息构建关系模型，所述关系模型为线圈端数据与衔铁运动状态的数学关系；

根据检测数据以及所述关系模型对衔铁运动状态进行预测，得到所述检测数据对应的衔铁运动状态的预测时间信息，所述检测数据为在衔铁运动状态检测时获取的线圈端数据。

2.如权利要求1所述的继电器衔铁运动状态检测方法，其特征在于，所述样本数据和检测数据为基础参数或/和变换参数，所述基础参数为低频电流I_low、高频电流I_high、电压U中的一种或多种，所述变换参数为一个或一个以上的基础参数经过计算得到的衍生参数。

3.如权利要求2所述的继电器衔铁运动状态检测方法，其特征在于，所述变换参数为线圈等效阻抗、线圈瞬态感抗、电压变化率和电流变化率中的一种或多种。

4.如权利要求1所述的继电器衔铁运动状态检测方法，其特征在于，所述关系模型为机器学习模型。

5.如权利要求4所述的继电器衔铁运动状态检测方法，其特征在于，所述构建关系模型，包括特征标注步骤和模型训练步骤，其中：

所述特征标注步骤，包括：

对衔铁运动过程中的状态进行描述；

其中，M表示衔铁运动状态中的状态描述集合，m_h代表衔铁运动状态中的第h个状态描述，h为状态描述的总数；

对状态描述集合的所有状态描述分别通过实验方式找到整个运动过程中对应的真实时间信息；其中衔铁运动状态中的第i个状态描述m_i对应真实时间信息

所述模型训练步骤，包括：

创建关系模型，以样本数据作为输入，作为真实标签对关系模型进行训练，得到预测输出表示为其中，S为样本数据，alg_i(S)为衔铁运动状态中的第i个状态描述与线圈端数据之间的关系模型；

计算预测输出和真实标签之间的误差，如果所述误差大于预设的阈值，则衔铁运动状态中的第i个状态描述与线圈端数据之间的关系模型即为alg_i(S)，反之，则继续通过样本数据对alg_i(S)进行训练，直至预测输出和真实标签之间的误差不大于预设的阈值；

依此方法得到衔铁运动状态中的所有状态描述的关系模型：

alg(S)为衔铁运动状态的关系模型集合。

6.如权利要求1所述的继电器衔铁运动状态检测方法，其特征在于，所述关系模型为小波变换模型；

所述构建关系模型，包括：

通过实验方式，获取衔铁运动状态对应的真实时间信息时的样本数据，并通过傅里叶变换，将所述衔铁运动状态对应的真实时间信息时的样本数据展开，得到样本展开数据；

以所述样本展开数据建立小波基；

通过检测小波基建立衔铁运动状态和线圈端数据的数学关系。

7.如权利要求6所述的继电器衔铁运动状态检测方法，其特征在于，所述衔铁运动状态为多个，对每个衔铁运动状态分别建立小波基，通过检测每个衔铁运动状态对应的小波基建立每个衔铁运动状态和线圈端数据的数学关系。

8.一种继电器衔铁运动状态检测装置，其特征在于，其包括：

数据获取模块，用于获取样本数据，所述样本数据为对继电器线圈端进行多次采样，获得的线圈端数据；

模型构建模块，用于获取衔铁运动状态对应的真实时间信息，根据所述样本数据和真实时间信息构建关系模型，所述关系模型为线圈端数据与衔铁运动状态的数学关系；

结果输出模块，用于根据检测数据以及所述关系模型对衔铁运动状态进行预测，得到所述检测数据对应的衔铁运动状态的预测时间信息，所述检测数据为在衔铁运动状态检测时获取的线圈端数据。